盧 宜，熊震宇，劉 輝

（南昌航空大學航空制造工程學院，江西南昌330063）

不同熔滴過渡類型電弧聲小波包頻帶能量特征提取

盧 宜，熊震宇，劉 輝

（南昌航空大學航空制造工程學院，江西南昌330063）

利用LabVIEW虛擬儀器設計了電弧聲信號采集系統(tǒng)，并以MIG射滴過渡和射流過渡電弧聲信號作為研究對象，采用小波包分解和重構電弧聲信號，提取不同頻帶能量特征，構造識別射滴過渡和射流過渡的特征向量。研究表明：射滴過渡和射流過渡電弧聲頻譜主要集中在0～7kHz，射滴過渡電弧聲能量在低頻段（0～1.5kHz）有較高幅值，射流過渡在高頻段（2～5kHz）有較高幅值，射滴過渡和射流過渡電弧聲信號在S4，0、S4，2、S4，3頻帶能量百分比差異明顯，可作為識別射滴過渡和射流過渡的特征向量。

電弧聲；小波去噪；MIG；LabVIEW

0 前言

焊接技術廣泛應用于汽車制造、航空航天飛行器制造、船舶制造等涉及機械制造的領域[1]。在焊接作業(yè)中，弧焊焊絲受高溫熔化時的熔滴過渡方式不僅決定了弧焊焊絲熔化時的平穩(wěn)性，還嚴重影響焊縫成形、熔深以及材料的消耗、冶金等方面[2]。采用何種弧焊焊絲熔滴過渡方式是決定焊接質量的關鍵，深入探究熔滴過渡模式的智能化在焊接領域的研究中是十分必要的[3-4]。在熔滴過渡模式的在線監(jiān)測和識別領域，涌現(xiàn)出一大批新技術，如利用光譜信號、電弧電信號來實時控制熔滴過渡類型，并基于此取得了一系列研究成果[5]。電弧聲信號是焊接過程中重要的源信號，經驗豐富的焊接工作者可以通過人耳聽到的電弧聲頻率高低大致判斷焊縫的焊接質量[6]。因此從電弧聲信號的角度研究電弧聲信號和焊接質量之間的相關性具有一定價值；此外，聲信號的數(shù)據傳感、采集和分析相對于圖像信號和光譜信號方便得多，可操作性很強。這是因為雖然熔池的圖像信號能夠直接、清楚地呈現(xiàn)出焊縫熔池的實時性變化，但是由于圖像信號采集系統(tǒng)設備體積較大，并不能應用于實時監(jiān)測復雜環(huán)境和復雜工件的焊接。電弧聲信號是焊縫熔池震蕩和電弧周圍空氣受熱振動產生的，是一種非接觸式的振動源信號。它不受限于工件形狀和焊接環(huán)境?；诖耍狙芯繉﹄娀÷曔M行小波去噪，通過對比射滴過渡和射流過渡電弧聲信號通過小波包分解后各頻帶能量特征的分布，提取識別射滴過渡和射流過渡的特征向量，為通過電弧聲自動識別熔滴過渡類型奠定理論基礎。

1 實驗裝置

電弧聲信號采集分析系統(tǒng)主要硬件有：AWT-3B型弧焊自動操作臺、NB-350焊接電源、聲信號傳感器、數(shù)據采集卡、PC裝置。采集電弧聲信號的傳感器選擇烽火WM-040VN拾音器，拾音器將電弧聲音轉換為電信號，性能參數(shù)如表1所示。數(shù)據采集卡選擇NI-6221，采樣頻率50 kHz。

表1 拾音器性能參數(shù)

電弧聲信號采集分析系統(tǒng)軟件平臺采用美國NI公司的LabVIEW虛擬儀器進行設計。該系統(tǒng)由電弧聲采集模塊、小波去噪算法模塊和小波包分解模塊組成，分別實現(xiàn)以下功能：（1）接收并儲存焊接時拾音器端采集到的焊接聲信號；（2）將存儲的電弧聲信號進行小波去噪分析；（3）利用小波包分解提取射流過渡和射滴過渡電弧聲不同頻帶上的能量特征。

2 電弧聲頻帶能量特征提取

如何從電弧聲信號中獲取與熔滴過渡模式相關的特征信號是電弧聲分析的關鍵，一般常采用的信號處理分析方法有最為直觀的時域分析、利用傅里葉變換著重分析信號頻率的頻域分析和同時聯(lián)系時域和頻域的時頻分析。其中時頻分析方法的小波分析方法在信號處理中倍受關注。在應用數(shù)學中小波分析因其優(yōu)良的局部分析能力、多尺度分析能力、多分辨率分析能力被稱為應用數(shù)學領域中的“數(shù)學顯微鏡”。目前，一些研究者已利用小波分析處理聲音信號。文獻[7]利用MIG焊射流過渡狀態(tài)下的不同熔透狀態(tài)電弧聲信號作為信號樣本數(shù)據，采用小波包分析方法，將未焊透、焊透和焊瘤電弧聲信號的頻率進行小波包分解，并提取不同頻帶能量特征，有效驗證電弧聲信號頻帶能量與熔透狀態(tài)之間存在明顯的相關性。文獻[8]利用礦山爆破震動與巖石破裂微震信號作為樣本數(shù)據，對信號進行小波包分析，分解尺度為5層，分析不同信號的頻帶能量差異，結果發(fā)現(xiàn)：巖石破裂信號和微震信號的一些頻帶能量差異顯著，通過對比兩者信號能量分布，可以有效識別兩種礦山震動信號。文獻[9]采用小波包分析方法提取了腦磁特征信息為精神分裂癥的診斷和嚴重程度的評估提供選擇依據。但是，目前利用小波包分析方法對不同熔滴過渡模式的電弧聲信號進行分析的報道較少。鑒于小波包分析方法在其他領域的信號處理中取得一定進展，將小波包分析方法運用到提取電弧聲信號與熔滴過渡模式之間的相關性同樣值得研究并且可行。

2.1 樣本采集和分析

數(shù)據采集的條件：焊接方法為MIG焊；母材為200 mm×50 mm×3 mm的A3鋼板；焊絲為ER50-6（H08Mn2Si），直徑 1.0 mm，干伸長 14 mm；保護氣為純Ar，氣流量15 L/min。在實際生產中，當焊接工藝參數(shù)不同時，MIG焊主要有射滴過渡和射流過渡兩種形式。為了與實際生產相吻合，實驗僅采集射滴過渡和射流過渡時的電弧聲。對電弧聲進行功率譜分析，重點觀察不同熔滴過渡模式下電弧聲頻率是否存在很大差異，功率譜如圖1所示。

由圖1可知，去噪后的電弧聲從時域分析還是很難確切發(fā)現(xiàn)其規(guī)律，而頻域分析則能較好揭示電弧聲的能量變化。MIG焊射滴過渡和射流過渡電弧聲頻譜主要集中在0～7 kHz。具體來看，射滴過渡為0～1.5 kHz和 2～5 kHz，低頻段幅值較大，能量更加集中；射流過渡為 0～1.5 kHz和 2～5 kHz，高頻段幅值較大，能量主要集中在高頻區(qū)?？傮w來看：在高頻段，射滴過渡和射流過渡電弧聲功率譜存在明顯差異性，但因電弧聲的復雜性和非線性很難直接總結出其規(guī)律，無法量化表示其頻譜特征。所以下面對電弧聲進行小波包分解，以量化電弧聲的頻帶能量，探究其變化規(guī)律。

2.2 射滴過渡和射流過渡電弧聲小波分解與重構

小波分析的時頻分析和多分辨率分析能力是一種現(xiàn)代信號處理技術。由于小波包分析非常適合分析探討瞬態(tài)特性和區(qū)別異常點、故障點和噪聲，所以廣泛應用于分析處理非平穩(wěn)的信號，如故障診斷分析等。小波包分解與重構算法的核心由3個關鍵的運算構成，即與小波濾波器卷積、隔點采樣和隔點插零。由于實際小波類別的非理想頻域特性，使得信號與其系數(shù)卷積后產生如下后果：各子帶中含有其相鄰子帶的分量，幅值失真；隔點采樣和隔點插零會產生頻率折疊。因此，小波包分解與重構中存在復雜的頻率混淆現(xiàn)象，且其復雜程度隨層數(shù)的增加而增加。其分解公式為

式中 {h（k）}、{g（k）}為共軛濾波器系列；n=0，1，2，…，2（j-1）-1；j=1，2，…，J（J為分解層數(shù)）。（k）分別為經分解后的低頻部分和高頻部分。重構公式為：

為避免混頻現(xiàn)象發(fā)生，采用移頻算法對電弧聲進行分解與重構，小波基函數(shù)選擇db14，分解層數(shù)設置為4。路徑為 0000（頻帶范圍 0～1 562.5 Hz）和0011（頻帶范圍 4 687.5～6 250 Hz）重構后的射滴過渡電弧聲時域波形和頻域波形如圖2所示。重構后的頻域圖沒有出現(xiàn)混頻現(xiàn)象。

2.3 電弧聲頻帶能量計算與特征向量構造

設不同路徑對應的能量為Eij，Xij為不同重構路徑信號離散點的幅值，則有

由于不同工藝參數(shù)對各頻帶內信號能量影響較大，當能量較大時，Eij通常為一個較大的數(shù)值，在數(shù)據分析時會帶來一些不便。因此，對特征向量進行歸一化處理，以各頻帶能量為元素構造一組特征向量：

圖2 小波重構信號波形及功率譜Fig.2 Waveform and power spectrum of wavelet reconstruction

由式（5）可以得出射滴過渡和射流過渡電弧聲各個頻帶能量分布，如圖3所示。由于射滴過渡和射流過渡電弧聲頻率主要集中在0～7 kHz，所以4層小波包分解后僅分析前4個頻帶即可。由圖3可知，射滴過渡的能量從低頻段到高頻段呈降低趨勢，主要集中在 S4，0頻段（約占總能量的38.766 3%），S4，1頻段（約占總能量的 29.754 0%），S4，2頻段（約占總能量的 27.9987%），S4，3頻帶（約占總能量的6.7043%）；射流過渡的能量從低頻段到高頻段呈升高趨勢，主要集中在 S4，0頻段（約占總能量的21.543 2%），S4，1頻段（約占總能量的29.124 2%），S4，2頻段（約占總能量的38.332 5%），S4，3頻帶（約占總能量的 12.253 8%），具體如表2所示。

圖3 射滴過渡和射流過渡電弧聲各個頻帶能量分布Fig.3 Energy distribution of each band in the droplet transition and the jet transition arc

射滴過渡與射流過渡電弧聲信號在 S4，0、S4，2S4，3頻帶能量的百分比差異明顯，而在 S4，1頻段差異則不明顯。基于此，以 S4，0、S4，2、S4，3頻帶能量分布百分比作為特征向量識別射滴過渡和射流過渡是可行的。

3 結論

（1）MIG焊射滴過渡和射流過渡電弧聲頻譜主要集中在0～7 kHz，射滴過渡電弧聲能量在低頻段（0～1.5 kHz）有較高幅值，而射流過渡在高頻段（25 kHz）有較高幅值。

表2 射滴過渡與射流過渡電弧聲信號在各頻帶內的能量分布百分比Table 2 Percentage of the energy distribution of the droplet transition and the transition arc sound signal in each frequency band

（2）射滴過渡與射流過渡電弧聲信號在 S4，0、S4，2、S4，3頻帶能量百分比差異明顯，以 S4，0、S4，2、S4，3頻帶能量分布百分比作為特征指標構造特征向量以識別射滴過渡和射流過渡是可行的。

[1]潘際鑾.21世紀焊接科學研究的展望[C].第九次全國焊接會議論文集，1999：1-17.

[2]黃石生，文元美，薛家祥，等.弧焊熔滴過渡的高速攝像與電信號測試分析[J].華南理工大學學報，2008，36（4）：2-5.

[3]書櫥水，李剛.焊接電弧物理和弧焊設備點滴[J].焊接技術，1996（3）：39-42.

[4]樊丁.TIG電弧傳熱傳質過程的數(shù)值分析[J].機械工程學報，1998，34（2）：39-45.

[5]韓國明，云紹輝.熔化極氣體保護焊熔滴過渡光譜信號模式識別系統(tǒng)的研究[J].中國機械工程，2001，12（S1）：128-131.

[6]Saini D,Floyd S.An investigation of gas metal arc welding soundsignatureforon-linequalitycontrol[J].Welding Journal，1998，77（4）：172-179.

[7]劉立君，蘭虎，溫建力，等.MIG焊熔透電弧聲小波包頻帶能量特征提取[J].焊接學報，2010，31（1）：45-49.

[8]朱權潔，姜福興，于正興，等.爆破震動與巖石破裂微振信號能量分布特征研究[J].巖石力學與工程學報，2012，31（4）：723-730.

[9]張學軍，丁鈺涵，黃麗亞，等.基于小波包基與能量熵的MEG 自動分類方法[J].計算機與發(fā)展，2016，26（6）：127-132.

Feature extraction of frequency band energy of different metal transfer arc sound signals based on wavelet packet

LU Yi，XIONG Zhenyu，LIU Hui
（School of Aeronautic Manufacturing Engineering，Nanchang Hangkong University，Nanchang 330063，China）

The arc sound signal acquisition system is designed based on LabVIEW virtual instrument.The MIG welding droplet transfer and spray transfer arc sound signals are taken as the research object.The arc sound signals are decomposed and reconstructed by wavelet packet and the characteristics of different frequency bands energy are extracted，and hen，the feature vectors of droplet transfer and spray transfer arc sound signals are constructed and identified.The results show that the arc sound frequency spectrums of these two kinds of transfers mainly concentrate in 0～7 kHz.The arc sound energy of droplet transfer has higher amplitude at low frequency band(0～1.5 kHz)and that of spray transfer has higher amplitude at high frequency band(2～5 kHz).The energy percentage of the arc sound signals of these two kinds of transfers in the frequency bands of S4，0，S4，2，S4 and 3 are obviously different,which can be used as a feature vector to identify droplet transfer and spray transfer.

arc sound；wavelet denoising；MIG；LabVIEW

TG444+.7

A

1001-2303（2017）06-0047-05

10.7512/j.issn.1001-2303.2017.06.10

2017-03-06

盧 宜（1990—），男，在讀碩士，主要從事焊接自動化的研究。E-mail：244097874@qq.com。

本文參考文獻引用格式：盧宜，熊震宇，劉輝.不同熔滴過渡類型電弧聲小波包頻帶能量特征提取[J].電焊機，2017，47（06）：47-51.